Nro 9.inddISSN 1900-8260 Diciembre de 2009 • N°. 8 • Pp 102-110 •
Publicada en línea por la Asociación Colombiana de Facultades de
Ingeniería -ACOFI- www.acofi.edu.co
Enviado: 30/10/2009 • Aprobado: 30/11/2009
LABORATORIO VIRTUAL DE CONTROL INTELIGENTE
Mónica Alejandra Delgado G y Jesús Alfonso López S. Universidad
Autónoma de Occidente, Cali (Colombia)
Resumen
Este artículo presenta un laboratorio virtual de control
inteligente desarrollado con Easy Java Simu- lations y diseñado
para tres de las plantas existentes en la Universidad Autónoma de
Occidente, Cali (Colombia): Planta de nivel Lab-Volt, Servomotor
SRV02 Quanser y sistema Bola Viga Quanser. Las estrategias de
control implementadas en el laboratorio son control difuso, control
con redes neuronales artificiales y control PID, este último con el
fin de permitir al usuario comparar resultados entre control
inteligente y control clásico. Esta herramienta de enseñanza en
control inteligente permite a los estudiantes acercarse al mismo
usando una plataforma interactiva y de fácil uso.
Palabras claves: Laboratorio virtual, control inteligente,
neurocontrol, control difuso.
Abstract
This paper presents the virtual laboratory of intelligent control
developed with Easy Java Simulations and designed for three plants:
Level Plant Lab-Volt, SRV 02 and ball beam system. The control
strate- gies implemented in the laboratory are: fuzzy control,
inverse model based on artificial neural networks and PID control,
in order to allow the user to make comparisons between classic
control and intelligent control. This software allows students
develop educational activities on intelligent control using a
friendly and interactive tool.
Keywords: Virtual laboratory, intelligent control, neurocontrol,
fuzzy control.
Introducción
Muchas son las áreas del conocimiento e investi- gación en
ingeniería que se han beneficiado de los avances de las Tecnologías
de la Información y la Comunicación (TIC); la incursión de las TIC
ha
revolucionado el proceso de formación de profe- sionales en la
educación superior, debido a que las instituciones están entrando
en una etapa donde buena parte de las actividades propias de la
vida estudiantil se desarrollan a distancia accediendo a páginas
Web, lo que ha descentralizado y ampliado la cobertura del
103
Laboratorio virtual de Control inteligente
proceso de aprendizaje, logrando llegar a estudiantes marginados
geográfica y económicamente (Unesco, 2000).
El control automático es una de las áreas que ha sufri- do mayor
impacto; uno de los aportes en este campo son los laboratorios
basados en Web como entornos de experimentación en el que los
usuarios pueden operar sobre una serie de componentes gráficos cada
uno representando un elemento importante del experimento (planta
física), destacando como claros ejemplos los laboratorios virtuales
donde la interfaz de experimentación trabaja sobre una simulación
del proceso y los laboratorios remotos donde el proceso es real y
se tiene acceso a la planta física a través de Internet (Vargas et
al., 2006).
El control inteligente es una generalización del concepto de
control y se puede ver como un campo dentro de esta disciplina, los
métodos son desarrolla- dos para emular algunas características
(adaptación, aprendizaje, planeación bajo incertidumbre y trabajo
con gran cantidad de datos entre otras) importantes del ser humano;
es un área donde las prácticas de laboratorio desempeñan un rol
fundamental. Sin embargo, las TIC han sido usadas como herramien-
tas para la enseñanza de conceptos relacionados principalmente al
control clásico y moderno, por el lado del control inteligente
aunque es fácil encontrar en Internet algunos demos y applets
sencillos se ha detectado una escasez de herramientas educativas
completas que hagan uso de dichas tecnologías es decir,
laboratorios dedicados específicamente a este campo que permitan a
los estudiantes practicar a cabalidad los conceptos predominantes
en esta área, lo que se traduce en un problema potencial ya que las
metodologías del control inteligente están siendo aplicadas a la
robótica, las comunicaciones, la manu- factura, el control de
tráfico, por mencionar algunas pocas. Las áreas donde se está
realizando trabajo alrededor de este control son: redes neuronales
arti- ficiales (RNA), control difuso, algoritmos genéticos,
sistemas de planeación, sistemas expertos y sistemas híbridos
(Passino et al., 1993).
El objetivo de este trabajo es desarrollar un laborato- rio virtual
de control inteligente, implementando las técnicas de RNA por
modelo inverso y control difuso (fuzzy control) a tres plantas
diferentes ubicadas en
el laboratorio de automática de la Universidad Au- tónoma de
Occidente, Cali (Colombia).
En las siguientes secciones se presentan los conceptos básicos
relacionados con los laboratorios virtuales, control difuso y
neurocontrol. Posteriormente se hace una breve descripción de las
plantas seleccionadas y finalmente se presentan las principales
características del laboratorio y un ejemplo de aplicación.
Laboratorios virtuales, controladores y presentación de
plantas
Laboratorios virtuales
Un laboratorio virtual se puede definir como un entorno distribuido
de herramientas de simulación y animación, cuyo propósito es
realizar la simulación interactiva de un modelo matemático. Los
labora- torios virtuales proporcionan un método flexible y amigable
para definir los experimentos que se llevan a cabo sobre el modelo,
siendo por ello herramientas útiles para la enseñanza. Típicamente,
la definición de un laboratorio virtual incluye las dos partes
siguien- tes: el modelo y la vista. La vista es la interfaz entre
el usuario y el modelo, su objetivo es proporcionar una
representación visual del comportamiento diná- mico del modelo y
facilitar las acciones interactivas del usuario sobre aquel. Las
propiedades gráficas de los elementos de la vista se enlazan a las
variables del modelo, produciendo un flujo bidireccional de
información entre la vista y el modelo (Martin et al., 2005).
Laboratorios virtuales en la enseñanza
Actualmente, la aplicación del concepto nuevas tec- nologías en la
enseñanza al ámbito de la realización de prácticas ha dado lugar a
la aparición de diferentes modalidades de entornos de
experimentación. Desde el punto de vista del estudiante/usuario,
los criterios que permiten establecer una clasificación muy clara
de estos nuevos entornos son dos: la forma de acce- der a los
recursos sobre los que se experimenta y la naturaleza del sistema
sobre el que se opera. Aten- diendo al primer criterio, se puede
discernir entre acceso remoto a través de una red y acceso local.
En lo referente a la naturaleza del recurso, hay que
Revista Educación en Ingeniería • Nº. 8 • 2009104
Copyright © 2009 Asociación Colombiana de Facultades de
Ingeniería
distinguir entre recurrir a modelos simulados o tra- bajar con
plantas reales. De la combinación de estos dos criterios se
obtienen cuatro clases de entornos muy diferentes, pero que abarcan
todas las formas de experimentación posibles y que se observan en
la tabla 1. (UNED, 2000):
Tabla 1. Taxonomía de los laboratorios
Acceso local-recurso real• . Representa el labora- torio de
prácticas tal y como lo conocemos, en el que el alumno se sitúa
frente a un ordenador conectado a un sistema real para proceder a
la realización de la práctica correspondiente. Acceso local-recurso
simulado• . Todo el entorno de trabajo es software y la interfaz de
experimentación opera sobre un sistema simulado, virtual e
inexistente físicamente que reside en el mismo ordenador que la
interfaz. Acceso remoto-recurso real• . Constituye el ac- ceso al
equipamiento de un laboratorio real a través de una red. El usuario
opera y controla de forma remota sistemas reales mediante una
interfaz de experimentación que se ejecuta en un ordenador
conectado a una red (Internet). Este enfoque es lo que se denomina
telelabo- ratorio, laboratorio remoto o teleoperación a través del
web. Acceso remoto-recurso simulado• . Esta forma de
experimentación es similar a la anterior en cuanto al acceso pero
el sistema real se sustituye por un modelo, por lo que el
estudiante trabaja con su interfaz de experimentación sobre un
sistema virtual accesible a través de Internet. Presenta como
diferencia que pueden trabajar múltiples usuarios simultáneamente
sobre el mismo sis- tema virtual ya que al estar simulado se puede
instanciar para atender a todo aquel que lo solicite (laboratorio
virtual multiusuario o simulación basada en el web).
Modalidad del laboratorio virtual de control inteligente
El laboratorio desarrollado permite un acceso al entorno de
experimentación remoto y la naturaleza del sistema sobre el que se
opera es un modelo si- mulado, lo que se traduce en la
descentralización del proceso de aprendizaje, ya que la plataforma
de esta modalidad de laboratorios permite el múltiple acceso de
usuarios simultáneos al sistema virtual a través de la red,
convirtiéndolo así en una herramienta de enseñanza muy útil por su
alta efectividad y por la simplicidad de su operación. Es
conveniente discutir sobre los criterios de clasificación de los
laboratorios virtuales para asegurar en cierta medida el cumpli-
miento de los requerimientos deseados.
Ubicación del motor matemático de cálculo: Aten- diendo a este
criterio el motor numérico del labo- ratorio desarrollado tiene una
ubicación local, ya que el motor de cálculo se transmite al
computador en el que está trabajando el cliente, de forma que la
interfaz gráfica y el núcleo numérico se fusionan interactuando en
un mismo entorno.
Naturaleza del núcleo de simulación: Este criterio considera si la
simulación se hace por medio de una herramienta orientada al
modelado (MATLAB®) o se construye en lenguajes de alto nivel como
sucede en este caso, donde el software de desarrollo utilizado es
Easy Java Simulations dada la facilidad de convertir las
simulaciones en applets de libre distribución en la red, además
Java® constituye actualmente la única alternativa capaz de
proporcionar total independen- cia de la plataforma hardware sobre
la que se esté trabajando asegurando la ubicación local del núcleo
numérico.
Capacidad de diseño: En este caso, el usuario no toma parte activa
en la construcción del modelo, su participación en la definición
del comportamiento dinámico del sistema se limita a la modificación
de los parámetros propios del modelo matemático que describe el
proceso sin involucrar cambios en la arquitectura del mismo.
Grado de interactividad con la simulación: De acuerdo con este
criterio de clasificación la simula-
105
Laboratorio virtual de Control inteligente
ción aplicada a este laboratorio es on-line, porque el
comportamiento de las principales variables (variable controlada y
la acción de control) se observa a través de gráficos que
evolucionan de forma continua. Ade- más, la interfaz permite
modificar el setpoint cuyo cambio se manifiesta de manera inmediata
sobre la simulación, evidentemente la rapidez de la reacción
depende de la magnitud del cambio y la dinámica del modelo
matemático del proceso. Razón que aunada a las demás hace del
lenguaje Java® la herramienta por excelencia para el desarrollo de
simulaciones con este tipo de características.
Finalmente, se puede colegir que la simulación ba- sada en web
desarrollada presenta la interfaz gráfica y el motor de simulación
como una aplicación mo- nolítica ejecutándose dentro del navegador
WWW y residiendo en el ordenador del cliente (gráfica 1), (Sánchez
et al., 2000).
Gráfica 1. Configuración del laboratorio virtual de control
inteligente
Control difuso y control neuronal
El control difuso o control por lógica difusa tuvo su origen en
1965 cuando Zadeh planteó la teoría de conjuntos difusos (Zadeh,
1965). La diferencia entre un sistema de control convencional y uno
que utiliza lógica difusa se encuentra en la forma de rea- lizar el
proceso de inferencia del valor de salida, en un controlador difuso
esta respuesta se calcula por medio de un algoritmo difuso en el
cual se encuen- tran comprendidas una serie de etapas
(fuzzificación, inferencia, defuzzificación) encargadas de
determinar la respuesta adecuada. Los sistemas de inferencia difusa
se basan en el lenguaje cotidiano, es decir el control difuso
permite diseñar un controlador para un proceso teniendo un
conocimiento cualitativo de su funcionamiento (Passino, 1998), este
tipo de sistemas vincula en un alto grado el sentido común
y el conocimiento del experto codificados en forma de reglas
heurísticas que determinarán las acciones de control (Vallejo et
al., n.d)
El control neuronal por modelo inverso es la estrate- gia básica de
control con RNA, es una técnica en la que la red neuronal
constituye un modelo inverso de la planta (Norgaard et al., 2000),
empleando general- mente como algoritmo de aprendizaje el basado en
Levenberg – Marquardt. La red neuronal se coloca en el bucle de
control en cascada con la planta, de forma que la función de
transferencia teórica entre la salida deseada (setpoint) y la
salida del sistema controlado es la unidad (Widrow, 1986), al
poseer una función de transferencia unitaria existe una incapacidad
de definir un comportamiento deseado y los esfuerzos de control
requeridos para llevar el proceso al valor deseado son altos, sin
embargo esto se soluciona anteponiendo un filtro al sistema
(Valverde, 1999).
Presentación de plantas
El sistema didáctico en control de procesos de Lab- volt está
conformado por una superficie de trabajo, componentes del proceso y
la unidad de bombeo que se encarga de proveer flujo de agua al
sistema, a su vez esta unidad está compuesta por un mando de
velocidad variable, una bomba centrífuga, un tanque y tres válvulas
operadas manualmente etiquetadas como HV1, HV2 y HV3, que permiten
el control sobre el caudal del agua que entra y sale de la unidad
de bombeo y cuya posición determina el modelo ma- temático que
describe la planta (Lab Volt, 2009).
El servomotor de corriente directa SRV 02 Quanser, está conformado
por un motor, una caja de engrana- jes, tacómetro, encoder y
potenciómetro. El motor está montado sobre un marco de aluminio y
maneja una caja de engranajes, cuya salida conduce un en- granaje
externo al que se fija un eje independiente de salida. El eje de
salida está condicionado al encoder y el engranaje externo conduce
un engranaje auxiliar que es conectado a un potenciómetro de
precisión para medir el ángulo de la salida.
El sistema de control Bola-Viga consiste en una viga sujeta a un
servomotor (SRV-02) que controla su movimiento y sobre la cual
corre una bola de acero inoxidable. Adicionalmente utiliza otra
viga frente al
Revista Educación en Ingeniería • Nº. 8 • 2009106
Copyright © 2009 Asociación Colombiana de Facultades de
Ingeniería
motor cuya función es sensar la posición, enviando distintos
voltajes dependiendo de dónde se encuentre la bola de referencia.
El objetivo es controlar que la bola en la viga superior siga en
todo momento la posición de la bola de referencia que corre en la
viga inferior.
Análisis y discusión de resultados
Uno de los productos del proyecto fue la implemen- tación de un
campus virtual para el curso de control inteligente (gráfica 2),
mediante el cual se presenta el contenido de las áreas temáticas,
las prácticas a desarrollar (interfaces de experimentación) y la
ayuda en línea para facilitar el manejo del laboratorio al
usuario.
Gráfica 2. Campus virtual del laboratorio
permite al usuario escoger entre las diferentes opciones,
adicionalmente tiene la capacidad de decidir la variable a
controlar. Parametrización de la planta. Las aplicaciones del •
laboratorio virtual están en la capacidad de permi- tir al usuario
modificar los parámetros numéricos de la función de transferencia
de la planta a simu- lar, de esta forma el cliente forma parte
activa en la construcción del propio modelo. Selección del tipo de
control. A cada uno de los • sistemas simulados se implementan
diversas es- trategias de control, entre las técnicas de control
inteligente diseñadas se encuentran el control difuso y el control
neuronal por modelo inverso, teniendo especial cuidado con esta
última porque al utilizar la dinámica inversa de la planta solo es
posible realizarla para aquellos sistemas cuyo comportamiento
natural es estable. Con el fin de comparar resultados entre control
clásico e inteli- gente se diseña a cada planta un controlador PID.
En la tabla 2 se presenta más detalladamente las estrategias de
control a las que el usuario puede acceder según el sistema
seleccionado. Parametrización de los controladores. El labora-•
torio virtual permite a los usuarios ingresar sus propios datos del
controlador. En el controlador PID admite la variación de las
diferentes ga- nancias, en el control fuzzy permite escoger el
número de conjuntos difusos con que se desea trabajar, la base de
reglas, los conjuntos difusos y las ganancias de sintonización.
Cuando la técnica de control seleccionada es con RNA el usuario
puede ingresar la matriz de pesos de la red neu- ronal previamente
entrenada y los valores de los parámetros del filtro.
Tabla 2. Plantas y controladores
Características del laboratorio virtual
Las aplicaciones que hacen parte del laboratorio virtual otorgan al
usuario cierto grado de libertad, pues el propósito de los autores
es desarrollar una herramienta educativa de fácil acceso y
distribución que permita al usuario aplicar los conocimientos
adquiridos en el área de control inteligente. Por esta razón, se
deben evaluar cuidadosamente las caracte- rísticas que se deben
tener en cuenta para el diseño del laboratorio virtual.
Selección de planta. El laboratorio virtual consta • de 3
aplicaciones, cada una de las cuales pertenece a una planta física
diferente. En este sentido se
107
Laboratorio virtual de Control inteligente
Interfaz gráfica de usuario (GUI)
En la gráfica 3 se observa la distribución de la interfaz
caracterizada por su interactividad con la simulación, la
visualización dinámica, la animación de los ele- mentos y el
registro histórico de las variables. La GUI consta de los
siguientes elementos: animación, panel de controladores, señales
temporales y referencia.
Gráfica 3. Interfaz del laboratorio virtual
Animación: Es un esquema gráfico del proceso cons- truido con
elementos 3D en el laboratorio virtual, cuyo propósito es
representar el comportamiento real de la planta y permitir al
usuario hacer un seguimiento visual a la variable controlada. Las
animaciones para los diferentes procesos se muestran en la gráfica
4.
Gráfica 4. Visualización de las animaciones de los diferentes
procesos
a. Nivel b. Servomecanismo c. Bola-Viga
Panel de control: Las diferentes estrategias de con- trol se
presentan en paneles independientes, a los cuales se puede acceder
a través de pestañas (gráfica 5). Como ya se ha mencionado con
anterioridad es posible variar los parámetros de los controlado-
res de forma interactiva, en el caso particular del controlador PID
el usuario debe ubicarse sobre el campo numérico de la variable de
interés e ingresar el nuevo valor.
Gráfica 5. Panel de control
Para la modificación de los conjuntos difusos, base de conocimiento
del sistema de inferencia (gráfica 6a) y la matriz de pesos de la
red neuronal (gráfica 6b) se crearon ventanas emergentes que se
activan a través de las casillas “Modificar cjtos” (Modificar
Conjuntos) y “Modificar W” (Modificar Pesos) ubi- cadas en los
respectivos paneles de control.
Gráfica 6. Ventanas de modificación de parámetros a. Conjuntos
difusos b. Pesos de RNA
Revista Educación en Ingeniería • Nº. 8 • 2009108
Copyright © 2009 Asociación Colombiana de Facultades de
Ingeniería
Señales Temporales: Proporcionan la visualización gráfica de las
variables principales del sistema (Varia- ble controlada, acción de
control y señal de error). Al mismo tiempo cuando la simulación
progresa estos registros reflejan de manera dinámica y continua
cualquier cambio en las variables que toman parte en el
proceso.
Referencia: Este panel se encuentra localizado en la parte inferior
de la interfaz, está compuesto por tres tipos de elementos
(botones, deslizador y casilla de activación). El deslizador
permite ingresar y modi- ficar continuamente el valor deseado por
el usuario, dos de los botones permiten la parada, continuación y
re-arranque de la simulación del proceso, el tercer botón se
encarga de generar una imagen en formato JPG de las señales
temporales. La casilla de activa- ción permite visualizar en una
ventana emergente la gráfica del error generada en la
simulación.
Ejemplo de aplicación
En el campus virtual en la pestaña de aplicaciones se encuentran
inmersas las simulaciones de las tres plantas desarrolladas para
este laboratorio, el usuario debe seleccionar con cual planta desea
trabajar, una vez hecho esto y observando las opciones suminis-
tradas por la pantalla inicial de la aplicación debe definir la
configuración de la planta o la variable a controlar. En la gráfica
7 se observa las opciones que hay para el proceso de nivel, el
usuario puede escoger el modelo a trabajar y si desea,
modificarlo.
Gráfica 7. Acceso a la aplicación para el proceso de nivel desde el
navegador
Seguidamente, el usuario escoge el tipo de contro- lador a
implementar, cada una de las simulaciones tiene cargado por defecto
un controlador, sin embar- go el usuario puede modificarlo en el
momento que lo necesite. Para cambiar la referencia o setpoint, el
cliente debe ubicarse sobre el deslizador ubica- do en el panel de
referencia y con click sostenido llevar el apuntador hasta alcanzar
el valor deseado. En la gráfica 8 se observa la utilidad para la
planta de nivel (configuración válvulas cerradas) donde se puede
visualizar la animación y las diferentes señales generadas. Para
observar la gráfica del error la casilla de activación del panel de
referencia debe ser seleccionada.
Gráfica 8. Aplicación para el proceso de nivel con diferentes set
points
109
Laboratorio virtual de Control inteligente
Con el fin de mostrar el comportamiento de la planta de nivel con
diferentes controladores, los autores usaron 3 setpoints: 45cm,
20cm y 27cm. La figura
9 muestra el comportamiento de la planta usando diferentes
controladores.
Gráfica 9. Comportamiento de la planta con diferentes
controladores. a. Comportamiento con control PID b. Comportamiento
con control difuso. c. Comportamiento con neurocontrol
a. b. c.
Conclusiones
Una de las grandes enseñanzas de este proyecto ha sido el poder
vislumbrar como las TIC se han con- vertido en una herramienta muy
valiosa para labores educativas donde con el uso de ellas se ha
generado una serie de estrategias que permiten mejorar los proceso
de enseñanza y aprendizaje; un ejemplo de esto son los laboratorios
virtuales como instrumentos modernos que permiten a los estudiantes
consolidar conceptos y fusionar la teoría con la práctica de una
manera sencilla y no presencial. A través del laboratorio virtual
desarrollado en este proyecto, se puede abordar las técnicas más
conocidas de control inteligente, como lo son las RNA y la lógica
difusa las cuales han cobrado importancia en los últimos años
debido al incremento de las demandas tecno- lógicas.
Aunque hay varias maneras de implementar un la- boratorio virtual,
en este proyecto se decidió trabajar con Easy Java Simulations que
es una herramienta utilizada en otras instituciones para
desarrollar apli- caciones similares pues entre sus ventajas se
tiene la facilidad de implementar interfaces con el usuario
bastante amigables y además, la posibilidad de gene- rar las
páginas WEB con las aplicaciones embebidas usando applets.
Una de las principales contribuciones de este trabajo es sentar las
bases de un proyecto futuro que consiste en implementar un
laboratorio remoto aprovechando la existencia de las plantas
simuladas en el laboratorio de automática de la Universidad
Autónoma de Occi- dente y así validar la utilidad de estas
herramientas tecnológicas como parte integral del currículo de las
materias que usan dicho laboratorio.
Referencias
Lab Volt Process control training system (6090) [en línea]. USA:
Lab Volt Systems Inc [consultado marzo 18 de 2009]. Disponible en
Internet: http://www.
labvolt.com/products/instrumentation-and-process-
control#level-rocess.
Martin C.; Dormido, S.; Urquia, A. Modelado orientado a objetos de
laboratorios virtuales con aplicación a
Revista Educación en Ingeniería • Nº. 8 • 2009110
Copyright © 2009 Asociación Colombiana de Facultades de
Ingeniería
la enseñanza del control de procesos químicos [en línea]. Madrid:
UNED, 2005 [consultado 25 febrero de 2009]. Disponible en Internet:
http://e-spacio. uned.es/fez/view.php?pid=bibliuned:733.
Norgaard, M.; Ravn, O.; Poulsen, N.; Hansen, L. (2000) Neural
Networks for Modelling and Control of Dy- namic System. London:
Springer-Verlag. pp. 232
Passino Kevin and Panos Antsaklis (1993). An introduction to
intelligent and autonomous control.
Passino, K. (1998). Fuzzy Control. Menlo Park. Califor- nia,
USA.
Sánchez, J., Morilla, F., Dormido, S. (2000). Laboratorios
virtuales y remotos para la práctica a distancia de la automática
[en línea]. Madrid: Departamento de in- formática y automática
UNED, [consultado 16 enero de 2009]. Disponible en Internet:
http://e-spacio. uned.es/fez/view.php?pid=bibliuned:783.
UNED. Laboratorio virtual (2000). [en línea]. Madrid: Departamento
de informática y automática UNED [consultado 17 enero de 2009].
Disponible en Inter- net:
http://lab.dia.uned.es/rlab/contenido/labvirtual. html?page=3
UNESCO. Organización de las Naciones Unidas para la Educación, la
Ciencia y la Cultura. (2000). Informe
de la reunión de expertos sobre laboratorios virtuales. Paris.
Consultado el 10 de Febrero de 2007 en: http://
unesdoc.unesco.org/images/0011/001191/119102S. pdf.
Vallejo, E., F. Méndez and Ochoa C. (n.d.). Aplicación del control
difuso al diseño e implementación de un módulo de potencia.
http://ciruelo.uninorte.edu.co/
pdf/ingenieriadesarrollo/10/aplicacion-del-control-
difusion.pdf.
Valverde Gil, R. (1999). Control de sistemas mediante re- des
neuronales: Aprendizaje por refuerzo. Trabajo de Doctorado
Ingeniería. Madrid: Universidad Carlos III de Madrid. Facultad de
Ingeniería.
Vargas, H., N. Duro and S. Dormido (2006). Creación de laboratorios
virtuales y remotos usando easy java simulations y labview. XXVII
Jornadas de Auto- mática. UNED.
Widrow, B. Adaptive inverse control [en línea]. Lund, Sue- cia:
IFAC Adaptive system in control and signal pro- cessing [consultado
20 enero de 2009]. Disponible en internet:
http://www.isl.stanford.edu/~widrow/
papers/c1986adaptiveinverse.pdf.
Zadeh, L. Fuzzy Sets (1965). En: Information and Control. Vol.8,
pp. 338-353.
Los puntos de vista expresados en este artículo no reflejan
necesariamente la opinión de la Asociación Colombiana de Facultades
de Ingeniería.
Sobre los autores
Jesús Alfonso López S. Obtuvo su grado como Ingeniero Electricista
de
la Universidad del Valle en 1996, posteriormente se graduó como
Magíster en Automática en la misma Universidad en el año 1998. En
el año 2007 obtuvo su grado como Doctor en Ingeniería en la
Universidad del Valle en. Sus áreas de interés son: La inteligencia
computacional y sus aplicaciones, el control automático, la
Identificación de sistemas, la enseñanza de la inteligencia
computacional y la enseñanza del control automático.
Es miembro profesional de la IEEE y pertenece a la sociedad de
inteligencia computacional de la
IEEE. Actualmente está vinculado a la Universidad Autónoma de
Occidente como docente de planta y director del programa de
Ingeniería Mecatrónica
[email protected] Mónica Alejandra Delgado G. Ingeniera
Mecatrónica de la Universidad Autónoma